[发明专利]移动端CPU实时多功能人脸检测方法

说明书

本发明属于人脸识别技术领域，具体涉及一种实时多功能人脸检测方法。移动端CPU实时多功能人脸检测方法，包括：将图片放入预设的检测器中进行预测，通过检测器进行识别，得到人脸框预测值、人脸关键点和口罩识别结果；将人脸框预测值进行解码操作，转换为边界框的真实位置，将人脸关键点进行解码操作，转换为关键点的真实位置；采用非极大值抑制算法消除重叠检测框，得到最终的人脸检测框、人脸关键点和口罩识别结果。本发明在移动端只有CPU的情况下达到实时检测效果。

技术领域

本发明属于人脸识别技术领域，具体涉及一种实时多功能人脸检测方法。

背景技术

人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析方法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。人脸检测是自动人脸识别系统中的一个关键环节。但是由于人脸具有相当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的开与闭等；口罩遮挡等，这些内在因素及外在因素的变化使得人脸检测成为人脸识别系统中一个复杂的具有挑战性的模式检测问题。

尽管人们已经对基于卷积神经网络的人脸检测算法进行了广泛的研究，但是对于移动设备上的人脸检测算法来说，无法在移动端达到实时效果，也无法在只有CPU的情况下达到实时检测效果。

另外，现有人脸检测时，通常检测功能单一，没有关键点和口罩功能的检测，不能为后续工作提供更多关键数据。

发明内容

本发明针对现有的人脸检测无法在移动端只有CPU的情况下达到实时检测，且检测功能较为单一的技术问题，目的在于提供一种移动端CPU实时多功能人脸检测方法。

移动端CPU实时多功能人脸检测方法，包括：

将图片放入预设的检测器中进行预测，通过所述检测器的主干网络中四个不同卷积层得到的特征与多个尺寸的锚点结合，进行人脸检测、人脸关键点检测和口罩识别，得到人脸框预测值、人脸关键点和口罩识别结果；

将所述人脸框预测值进行解码操作，转换为边界框的真实位置，将所述人脸关键点进行解码操作，转换为关键点的真实位置；

采用阈值为0.4的非极大值抑制算法消除重叠检测框，得到最终的人脸检测框、人脸关键点和口罩识别结果，包括检测框左上角坐标、右下角坐标、两只眼睛坐标、鼻子坐标、一对嘴角坐标和是否戴口罩置信度的信息。

可选的，所述将图片放入预设的检测器中进行预测之前，包括：

对图片进行预处理操作，所述预处理操作包括调整图像大小、标准化。

可选的，所述将图片放入预设的检测器中进行预测之前，还包括：

向所述检测器加载预设的预训练网络参数，根据预设的锚点的尺寸及长宽比例，生成默认锚点；

通过预设的数据集对所述检测器进行训练，得到训练后的检测器；

所述检测器包括主干网络、预测层和多任务损失层。

可选的，所述通过预设的数据集对所述检测器进行训练，得到训练后的检测器，包括：

采集包括未遮挡数据和遮挡数据作为数据集，将所述数据集中的BGR图片转换为YUV格式，进行数据增强，得到增强后的数据集；

采用动量为0.9，权重衰减因子为0.0005的随机优化算法进行网络训练，所述随机优化算法采用难样本挖掘的方式减少正负样本之间的不平衡，在训练的前100轮，初始化学习率设置为10^-3，在之后的50轮和100轮各降低10倍，在训练期间，首先将每个预测值与最佳的Jaccard重叠锚点进行匹配，之后将锚点匹配到具有高于0.35阈值的Jaccard重叠人脸。